Reversible+Jump+MCMC方法在阵列信号处理与应用.pdfVIP

Reversible Jump MCMC 方法在阵列信号处理中的应用 RReevveerrssiibbllee JJuummpp MMCCMMCC 方方法法在在阵阵列列信信号号处处理理中中的的应应用用 金美娜 赵拥军 盖江伟 （郑州信息技术学院，河南郑州 450002） 摘要：本文就阵列信号处理中的信号检测和参数估计问题，给出了可逆跳转马尔可夫链蒙特卡 罗(Reversible Jump Markov Chain Monte Carlo, 简称RJMCMC)方法的具体应用。基于信号重构 理论，建立了一种全新的阵列信号处理模型，应用贝叶斯原理求出信号源数目和时延的联合后 验概率，利用RJMCMC方法可实现信号源数目和波达方向联合估计。该模型对窄带信号和宽带 信号同时适用，且只需要实数算法和较少的观测数据。仿真结果证明了算法的有效性和可行 性。 关键词：信号重构；贝叶斯估计；MCMC；信号源数目估计；DOA 估计 1 11引言 阵列信号处理是现代信号处理的一个重要分支，其应用涉及雷达、通信、声纳、地震、射 电天文等军事与国民经济的众多领域。检测信号源数目，估计信号的波达方向（DOA）是阵列 信号处理要解决的主要问题。目前大多数算法都是在信号源数目已知的基础上提出的，且针对 窄带信号和宽带信号要分别采用不同的信号模型和算法。本文基于信号重构理论提出了一种全 新的阵列信号处理模型，该模型可以同时适用于宽带信号和窄带信号，使信号检测和估计问题 能统一到同一模型下进行。应用贝叶斯方法，通过在参数空间定义贝叶斯后验概率密度函数， 实现信号源数目和波达方向联合估计。 在贝叶斯分析中，一般只知道后验分布密度函数的核，且后验概率函数往往具有非线性特 性，并包含多个参数，因此很难获得密度函数的闭式解，求解积分十分困难。MCMC 方法的研 究为推广贝叶斯推断理论和方法的应用开辟了广阔的前景。MCMC 方法的优点是可以以概率1 收敛到全局最优解，使复杂的参数求解问题变为简单的数值积分问题。RJMCMC方法是MCMC 方法的重要发展，Reversible jump 抽样不仅可以按照普通方式在某一个模型的参数空间走动， 而且可以从一个参数空间跳到另一个参数空间。因此，Reversible jump 抽样可以同时解决检测 和估计问题，在信号处理领域有很大的应用潜力。 2 22信号模型 假定有 K个宽带远场信号入射到由 M个传感器构成的均匀直线阵上，入射角度为 T  l u  u l l u   ,,, ，频率范围为f  f , f , f  f f ，其中 f 和 f 分别为第k个入射信  0 1 K1 k  k k  k k k k k 号的最低频率和最高频率，f 为信号带宽。阵元在时刻n的观测向量为 k K1  y n  s n   n ,n1,...N    k  k    k0 其中N为快拍数， 为信号s t 的延时(ISD,inter-sensor delay) ， n 是均值为零，方差为1 k k     2 的高斯随机变量， 为噪声方差。  [2] 在文献 [1]的基础上，本文提出了一种基于信号重构理论 的新型阵列信号处理模型，该模型 对入射角 0 和 0的情况同时适用。式重新写为 1 L1